-
公开(公告)号:CN118607377A
公开(公告)日:2024-09-06
申请号:CN202410775316.1
申请日:2024-06-17
申请人: 淮阴工学院 , 有研工程技术研究院有限公司
IPC分类号: G06F30/27 , G06F18/10 , G06F18/213 , G06F18/23213 , G06N3/006 , G06N3/084 , G06N20/10
摘要: 本发明公开了一种基于机器学习的工艺设计方法、系统和设备,方法包括:构造初始数据集;利用聚类算法对初始数据集的异常数据进行清洗,对清洗后的初始数据集进行缩放处理;针对处理后的数据集,筛选出特征,同时进行数据降维,得到降维后的数据集;将降维后的数据集预设比例划分为训练集和测试集,利用训练集训练预选的若干种机器学习算法模型,评估并选取预测耐蚀性最好的算法模型作为工艺设计模型;根据工艺设计模型,设计磁控溅射高耐蚀氮化物、氧化物及其复合涂层的工艺;本发明为设计磁控溅射高耐蚀氮化物、氧化物及其复合涂层工艺提供了基于数据驱动的、高通量、面向性能的高效设计方法。
-
公开(公告)号:CN118606650A
公开(公告)日:2024-09-06
申请号:CN202410743742.7
申请日:2024-06-11
申请人: 淮阴工学院
IPC分类号: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/21 , G06F18/22 , G06N3/042 , G06N3/0442 , G06N3/08 , G06Q50/06 , G06F123/02
摘要: 本发明公开了一种水质影响因素重要性衡量方法、系统、设备及存储介质,方法包括:采集若干水质监测站点的综合数据,对综合数据进行标准规划操作,随后初步构建动态图;构建Water‑GNN模型,所述Water‑GNN模型包括知识增强型图神经网络GNN模块和门控循环单元GRU模块,通过GNN模块提取不同时间点上的特征,将特征顺序地输入到GRU模块中;完成Water‑GNN模型的训练,通过调整参数结合交叉验证以优化模型性能,使用该训练好的模型对水质进行预测;衡量各个因素对水质影响的总体重要性、时序重要性和空间重要性;本发明提供了一种更加直观和有效的方式来揭示隐藏在数据中的复杂模式和关系,从而更准确地评估各个影响因素对水质的重要性。
-
公开(公告)号:CN118035822A
公开(公告)日:2024-05-14
申请号:CN202410091021.2
申请日:2024-01-23
申请人: 淮阴工学院
IPC分类号: G06F18/241 , G06F40/289 , G06F40/211
摘要: 本发明公开了一种文本平滑的灾害天气分类方法,本申请首先将灾害天气文本作为文本样本,对文本样本进行清洗和预处理,制作领域字典,在模型设计方面,使用了TS‑Net文本平滑模型,对文本样本数据进行数据加权增强;接着在PO‑Net特征优化模型上提取特征,使用Transformer模型分布式计算,得到样本的语义信息;其次使用特征提取器对语义信息进行分类,最后使用交叉熵损失计算,以提高模型的性能和准确度,本申请相对于现有的分类方法,计算成本低,自由度和灵活度高,有效提高了最终分类的准确度以及分类的效率。
-
公开(公告)号:CN117390431A
公开(公告)日:2024-01-12
申请号:CN202311485302.8
申请日:2023-11-09
申请人: 淮阴工学院
IPC分类号: G06F18/213 , G06N3/0455 , G06N3/0464 , G06F18/10 , G06F18/27
摘要: 本发明公开了一种基于STL分解和VAE‑TCN网络模型的港口空气质量预测方法,将获取港口空气质量影响因素多维时间序列变量进行预处理;对多维时间序列变量进行STL分解,将分解处理得到的各个分量作为新的特征;利用VAE模型对新的特征进行降维处理,获取特征序列;将降维后得到的特征序列与原本港口空气质量数据序列进行重构,得到重构后的新时序序列;搭建港口空气质量预测TCN网络模型,使用重构后的时序序列作为模型的输入,输出预测的信息数据,训练TCN网络,得到训练好的神经网络预测模型TCN;最后将港口空气质量数据送入训练好的TCN网络预测模型进行港口空气质量预测,评估预测结果。本发明有效提升港口空气质量预测准确性和鲁棒性,简化模型,提升运算速度。
-
公开(公告)号:CN118506150A
公开(公告)日:2024-08-16
申请号:CN202410554630.7
申请日:2024-05-07
申请人: 淮阴工学院
IPC分类号: G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/08 , G06V20/10 , G01N21/25 , G01N21/84
摘要: 本发明公开了一种基于微调大模型的溢油检测方法、系统及设备,其种方法包括:采集并保存溢油图像数据;对溢油图像数据根据溢油级别进行人工标注,并制作成数据集;将数据集按照一定比例分割为训练集和测试集并且对溢油图像进行预处理;构建基于Vision Transformer和LoRA的溢油检测模型;包括:构建基于Vision Transformers的模型,通过Vision Transformers的多头自注意力机制,捕捉图像中的特征;通过LoRA技术,冻结Vision Transformers的权重,将可训练的秩分解矩阵注入到Vision Transformers架构的每一层,在每个Vision Transformers块中注入可训练层,减少需要训练的参数数量;通过调整参数在训练集上迭代训练溢油检测模型,得到最优溢油检测模型,对溢油进行检测;本发明通过LoRA进行微调的效果与全模型微调相同,速度更快,计算需求更少,同时保持或提升模型在溢油检测任务上的性能。
-
公开(公告)号:CN118228160A
公开(公告)日:2024-06-21
申请号:CN202410432828.8
申请日:2024-04-11
申请人: 淮阴工学院
IPC分类号: G06F18/2431 , G06F18/214 , G06F18/15 , G06N3/048 , G06N3/06
摘要: 本发明公开了一种基于动态图网络的水质预测方法。包括:获取历史水质数据以及跨领域多源异构数据;建立总模型,包括输入层、DGTCN模型、输出层,所述DGTCN模型包括GCN模块、TCN模块;其中,输入层将历史水质数据以及跨领域多源异构数据转化为动态图网络;GCN模块基于图卷积提取并更新动态图网络的图结构特征,TCN模块基于因果卷积和扩张卷积优化图结构特征后输入至输出层;输出层输出水质预测结果。本发明综合考虑了与水质相关的多种因素以及变量,从时间角度对水质采用动态图网络的形式进行分析预测,具有精确度高、实用性强的特点。
-
公开(公告)号:CN116823313A
公开(公告)日:2023-09-29
申请号:CN202310741114.0
申请日:2023-06-21
申请人: 淮阴工学院
IPC分类号: G06Q30/0201 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06Q10/04
摘要: 本发明公开了基于CEEMDAN和AE‑TCN的多维碳价预测方法,包括:获取碳市场价格影响因素多维时间序列变量;对多维时间序列变量进行CEEMDAN分解,得到由多个IMFs构成的IMF集合;利用AE模型对IMF集合进行降维,获取特征序列;将降维得到的特征序列与历史碳价数据序列进行重构,得到重构后的时序序列;构建用于碳价预测的神经网络预测模型TCN,TCN模型中引入非线性变换以更好地拟合数据;利用重构后的时序序列对神经网络预测模型TCN进行训练,得到训练好的神经网络预测模型TCN;利用训练好的神经网络预测模型TCN进行碳价预测,评估预测结果。本发明能够提升碳价预测准确性,简化模型,提升运算速度。
-
-
-
-
-
-